问财量化选股策略逻辑
该选股策略是同时包含元素“元宇宙”、“收盘价大于昨日的最低价”和“100亿市值以内的无亏损企业”的股票。
选股逻辑分析
该选股逻辑综合考虑了元宇宙板块、技术面因素和公司基本面因素。通过筛选100亿市值以内的无亏损企业，以及收盘价大于昨日最低价的股票，选出股价处于上升中且风险较小的潜力股。
有何风险？
- 筛选股票仅仅考虑了公司基本面因素，忽略了行业发展乃至宏观经济情况的影响。
- 过于依赖历史数据进行筛选，未能及时预测新兴板块的投资机会。
- 股票市值可能存在波动，导致实际选出的股票市值超过100亿或低于预期。
如何优化？
- 加入行业发展趋势、宏观经济指标等指标，以评估行业和整体市场的风险和机会。
- 预测板块发展趋势，综合考虑历史数据和市场规律，寻找新兴机会。
- 设定市值范围和相应投资策略，并及时调整标准，避免市值波动的影响。
最终的选股逻辑
该选股策略综合了元宇宙板块、技术面因素和公司基本面因素，同时筛选出100亿市值以内的无亏损企业，以及收盘价大于昨日最低价的股票。在实际使用时，可以加入其他有效指标进行筛选，以充分评估股票投资的风险和机会。
同花顺指标公式代码参考
元宇宙：SELECTEDINDUSTRY("gnxq")
收盘价大于昨日的最低价: CLOSE > REF(LOW, 1)
100亿市值以内: MC < 100000
无亏损：(EPS2019 > 0) and (EPS2020 > 0) and (EPS2021 > 0)
python代码参考
import pandas as pd
import numpy as np
# 选股策略
def stock_selector(df):
# 筛选条件
condition1 = df['concepts'].str.contains('元宇宙')
condition2 = df['close'] > df['low'].shift(1)
condition3 = df['mc'] < 100000
condition4 = (df['eps2019'] > 0) & (df['eps2020'] > 0) & (df['eps2021'] > 0)
# 综合筛选
selected = df[condition1 & condition2 & condition3 & condition4]
# 设定灵活的买卖策略
# 示例代码：定期调整仓位
selected['position'] = 1 / len(selected)
# 示例代码：加入止损点
selected['stop_loss'] = selected['low'].rolling(10).min() * 0.98 # 10日内最低价的98%作为止损点
return selected
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
